![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
特征提取
SH-ZZB
这个作者很懒,什么都没留下…
展开
-
图像特征提取2—HOG特征
1、HOG特征:HOG特征的基本思想 :其核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。即在一副图像中,局部目标的表象和形状(appearance and shape)能够被梯度或边缘的方向密度分布很好地描述。(本质:梯度的统计信息,而梯度主要存在于边缘的地方)。具体的实现方法是:通过将整幅图像分割成小的连接区域(称为cells),每个cell生成一个方向梯度直方图或者ce原创 2016-03-04 16:33:37 · 5585 阅读 · 0 评论 -
图像特征提取1—LBP特征
最近研究了一下LBP,就先从最基本的LBP说起。LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出,用于纹理特征提取。目前LBP有很多应用,如人脸识别,表情识别等。其他的局部信息有很多,比如HOG,SIFT原创 2016-03-03 17:16:13 · 7535 阅读 · 0 评论 -
图像特征提取3—Haar特征
1、Haar-like特征 Haar-like特征,即很多人常说的Haar特征,是计算机视觉领域一种常用的特征描述算子。它最早是由Papageorigiou等人用于人脸描述。目前常用的Haar-like特征可以分为三类:线性特征、边缘特征、点特征(中心特征)、对角线特征。 特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰原创 2016-03-06 19:49:42 · 1253 阅读 · 0 评论